[发明专利]基于深度分离和目标感知的早期野火烟雾检测方法和装置

权利要求书

1.一种基于深度分离和目标感知的早期野火烟雾检测方法，其特征在于，其包括以下步骤：

将样本图像和目标图像分别输入目标感知深度网络得到第一深度特征矩阵和第二深度特征矩阵；

通过深度可分离网络将第一深度特征矩阵分离为第一分离特征矩阵和第二分离特征矩阵；

将第一分离特征矩阵与第二深度特征矩阵进行卷积操作，得到区域响应矩阵；将所述第二分离特征矩阵与所述区域响应矩阵进行卷积操作，得到烟雾响应矩阵；

获取烟雾响应矩阵的最大值，如果所述最大值小于预设阈值，则所述目标图像未检测到野火烟雾；如果所述最大值大于或等于预设阈值，则以所述最大值对应的目标图像位置为烟雾中心点，得到烟雾位置。

2.如权利要求1所述的基于深度分离和目标感知的早期野火烟雾检测方法，其特征在于，将样本图像输入目标感知深度网络得到第一深度特征矩阵；包括：

将样本图像输入预训练的VGG-16网络输出第一初始特征矩阵；第一初始特征矩阵通过训练好的目标感知网络输出第一深度特征矩阵，所述第一深度特征矩阵为M1×N1×(A1+A2)×B，其中，M1和N1分别为样本图像长和宽经过卷积池化后的结果值；A1为通道最优的深度特征；A2为尺度敏感的深度特征；B为构建的多个尺度。

3.如权利要求2所述的基于深度分离和目标感知的早期野火烟雾检测方法，其特征在于，将目标图像输入目标感知深度网络得到第一深度特征矩阵；包括：

将目标图像输入预训练的VGG-16网络输出第二初始特征矩阵；第二初始特征矩阵通过训练好的目标感知网络输出第二深度特征矩阵，所述第二深度特征矩阵为M2×N2×(A1+A2)，其中，M2和N2分别为目标图像长和宽经过卷积池化后的结果值。

4.如权利要求2所述的基于深度分离和目标感知的早期野火烟雾检测方法，其特征在于，通过深度可分离网络将第一深度特征矩阵分离为第一分离特征矩阵和第二分离特征矩阵，包括：

通过深度分离网络将卷积核分离为深度稀疏卷积核和逐点卷积核，将所述第一深度特征矩阵基于深度稀疏卷积核和逐点卷积核分别形成第一分离特征矩阵和第二分离特征矩阵，所述第一分离特征矩阵为M1×N1×1×B，所述第二分离特征矩阵为1×1×(A1+A2)×B。

5.如权利要求1-4任一项所述的基于深度分离和目标感知的早期野火烟雾检测方法，其特征在于，以所述最大值对应的目标图像位置为烟雾中心点，得到烟雾位置，包括：

设定预选框，将所述预选框的中点与所述烟雾中心点重叠；所述预选框选中的目标图像的区域即为烟雾位置。

6.一种基于深度分离和目标感知的早期野火烟雾检测装置，其特征在于，其包括：

获取模块，用于将样本图像和目标图像分别输入目标感知深度网络得到第一深度特征矩阵和第二深度特征矩阵；

分离模块，用于通过深度可分离网络将第一深度特征矩阵分离为第一分离特征矩阵和第二分离特征矩阵；

卷积模块，用于将第一分离特征矩阵与第二深度特征矩阵进行卷积操作，得到区域响应矩阵；将所述第二分离特征矩阵与所述区域响应矩阵进行卷积操作，得到烟雾响应矩阵；

检测模块，用于获取烟雾响应矩阵的最大值，如果所述最大值小于预设阈值，则所述目标图像未检测到野火烟雾；如果所述最大值大于或等于预设阈值，则以所述最大值对应的目标图像位置为烟雾中心点，得到烟雾位置。

7.如权利要求6所述的基于深度分离和目标感知的早期野火烟雾检测装置，其特征在于，所述获取模块包括第一获取单元，用于将样本图像输入预训练的VGG-16网络输出第一初始特征矩阵；第一初始特征矩阵通过训练好的目标感知网络输出第一深度特征矩阵，所述第一深度特征矩阵为M1×N1×(A1+A2)×B，其中，M1和N1分别为样本图像长和宽经过卷积池化后的结果值；A1为通道最优的深度特征；A2为尺度敏感的深度特征；B为构建的多个尺度。